Tiến trình phát triển của trí tuệ nhân tạo đã làm nhiều người lo lắng cho số phận của bản thân họ cũng như của loài người: họ cho rằng ta đang đứng trước một kẻ bạo chúa tiềm năng nắm một sức mạnh vô địch hay nhẹ nhàng hơn, công việc của con người trong tương lai sẽ bị chiếm hết phần bởi những cỗ máy tự động.
Giờ thì cùng với bước tiến đột phá của công nghệ đồng nghĩa với tin xấu cho những người lo lắng kể trên, khi những nhà nghiên cứu hàng đầu đang đầu tư nghiên cứu cách thức cho phép phần mềm có thể tự tạo ra được một phần mềm machine-learning khác. Họ đang trên đường tìm kiếm một phần mềm mang tính cách mạng ngành chế tạo AI.
Trong một thử nghiệm, các nhà khoa học tại nhóm nghiên cứu trí tuệ nhân tạo Google Brain đã sử dụng một phần mềm để thiết kế nên một hệ thống machine-learning với mục đích thử nghiệm khả năng benchmark của một hệ thống xử lý ngôn ngữ khác. Kết quả cho thấy phần mềm mới vượt trội hơn phần mềm cũ được thiết kế bởi con người.
Một vài tháng gần đây, một số nhóm nghiên cứu cũng đã cung cấp thông tin về tiến trình “tạo ra phần mềm tạo ra được các phần mềm khác” của mình. Những nhóm đó bao gồm thành viên từ tổ chức nghiên cứu phi lợi nhuận OpenAI (đồng sáng lập bởi Elon Musk), MIT, Đại học California và nhóm nghiên cứu DeepMind của Google.
Nếu như cách thức xây dựng AI này có thể áp dụng được rộng rãi, ta có thể đẩy tiến trình chế tạo phần mềm machine-learning lên rất nhanh. Hiện tại, chi phí để thuê những chuyên gia machine-learning không phải là rẻ, nếu như máy móc có thể làm thay phần con người kể cả trong việc chế tạo chính “đồng loại” của chúng, có thể con người sẽ trở thành một nhân tố thừa trong chu trình chế tạo AI.
Jeff Dean, trưởng nhóm nghiên cứu Google Brain, đã nói trong một phát biểu cuối tuần vừa rồi rằng công nhân ở một số công đoạn sản xuất sẽ có thể được thay thế hiệu quả bởi một phần mềm. Anh nói rằng thứ công nghệ “machine learning tự động” là một trong những dự án nghiên cứu hứa hẹn nhất mà đội ngũ của anh hiện đang đầu tư.
“Hiện tại, cách thức giải quyết vấn đề bao gồm ý kiến chuyên môn, thông tin và tính toán”, Dean phát biểu tại hội nghị AI Frontiers tại Santa Clara, California. “Nếu chúng ta có thể loại trừ hoàn toàn những ý kiến chuyên môn về machine-learning thì sao?”.
Một loạt những thử nghiệm từ nhóm DeepMind của Google gợi ý rằng phương pháp mang tên “học để học” mà các nhà nghiên cứu đang áp dụng sẽ làm giảm lượng dữ liệu khổng lồ mà một phần mềm machine-learning cần tới để có thể vận hành một cách hiệu quả nhất.
Họ thử thách phần mềm của mình, yêu cầu nó tạo ra một hệ thống học hỏi để thu thập mọi vấn đề liên quan tới một mục tiêu chính, từ đó yêu cầu nó tạo ra một thiết kế hệ thống mới và trong thiết kế đó, họ đã nhìn ra khả năng tái tạo, lựa chọn những nhiệm vụ mới mà không cần phải thông qua những bước chuẩn bị thông thường.
Ý tưởng tạo ra một phần mềm “học để học” không phải là quá mới mẻ, nhưng những thử nghiệm trước đây thường không đem lại kết quả mong muốn: chúng không bì được với những thiết kế của con người. Tuy vậy, đây vẫn được cho là một khía cạnh đầy tiềm năng của ngành phát triển trí tuệ nhân tạo, giáo sư Yoshua Bengio từ Đại học Montreal đã nhận định như vậy khi nghiên cứu ý tưởng này hồi năm 1990.
Ông Bengio nói rằng các hệ thống máy tính càng ngày càng mạnh hơn, và với công nghệ mang tên deep learning, một hệ thống “học để học” sẽ có tiềm năng trỗi dậy mạnh mẽ. Nhưng ông cũng nói thêm rằng một hệ thống như vậy sẽ cần một sức mạnh tính toán cực kì lớn, để có thể thay thế được những chuyên gia con người trong lĩnh vực này.
Các nhà nghiên cứu tại Google Brain cũng đã đưa ra mô tả về một hệ thống mạnh mẽ như vậy. Họ sử dụng 800 bộ xử lý đồ họa mạnh mẽ để cung cấp năng lượng cho phần mềm, qua đó tạo ra được một hệ thống nhận dạng hình ảnh ngang ngửa (và thậm chí là vượt qua) thiết kế tạo ra bởi con người.
Tiến sĩ Otkrist Gupta, một nhà nghiên cứu tại MIT Media Lab tin rằng ngành chế tạo AI sẽ sớm thay đổi. Anh và những đồng nghiệp tại MIT đã lên kế hoạch về một phần mềm mã nguồn mở mà tại đó, phần mềm học hỏi sẽ tự thiết kế nên một hệ thống deep-learning có thể nhận dạng hình ảnh mạnh và chính xác ngang tầm với một hệ thống tạo nên bởi con người.
“Giảm bớt gánh nặng trên vai những nhà khoa học sẽ là một giải pháp hiệu quả”, anh Gupta nói. “Nó có thể khiến ta làm việc năng suất hơn, tạo ra được những khuôn mẫu hệ thống hiệu quả hơn và cho ta thời gian rảnh để khám phá những ý tưởng ở cấp bậc cao hơn nữa”.
Theo Thời đại
